Искусственный интеллект выявляет нужды и желания клиента, он может выделить закономерности и взаимосвязи, незаметные для человека, он постоянно на связи для того, чтобы облегчить работу сотрудникам банка и улучшить опыт взаимодействия со стороны клиента. Как банки на самом деле используют такие хайповые инструменты как ИИ и большие данные, рассказал старший вице-президент банка УРАЛСИБ, руководитель департамента больших данных и искусственного интеллекта Юрий Сирота. Обработка больших объемов данных: В сфере финансовой аналитики в России, особенно в банковском секторе, собирается огромное количество данных о клиентах и транзакциях. ИИ и технологии анализа больших данных позволяют эффективно обрабатывать эту информацию. В отчете также детально рассмотрена конкурентная среда, изучение которой основано на обширной оценке ключевых стратегических разработок, принятых ведущими игроками рынка ИИ в сфере информационной безопасности за последние несколько лет. В-четвертых, крупные высокотехнологичные компании, выходящие на рынки банковских услуг, имеют большие конкурентные преимущества за счет обширной клиентской сети, огромных массивов данных, масштабирования инновационных технологий, в том числе ИИ.
Вы точно человек?
Согласно экспертным оценкам, внедрение искусственного интеллекта (ИИ) в банковском деле по всему миру в ближайшие десять лет способно дать экономический эффект в триллион долларов [14]. Аналитики ЦРФТ Россельхозбанка провели анализ мировых финтех трендов и выявили наиболее популярные решения за этот период. Генеративный ИИ в виде чат-бота ChatGPT нашел применение в банковской сфере в конце 2022 года. Пионеры по внедрению ИИ. Искусственный интеллект – это разработка компьютерных систем, которые способны решать задачи, ранее требовавшие обязательного участия человека. Впервые про ИИ заговорили в 60-70 годов прошлого столетия. В исследовании SAS и GARP «Искусственный интеллект в банковской сфере и управлении рисками» приводятся следующие данные: Положительное влияние ИИ отмечено в автоматизации процессов – 52%; кредитном скоринге – 45%; подготовке данных – 43%. Генеративный ИИ, примером которого является ChatGPT, может произвести революцию в банковской отрасли, предоставляя экономически эффективный анализ данных и производительность, сравнимую с аналитиками-людьми. Чтобы оставаться конкурентоспособными, действующие банки должны стать «AI first», то есть отдавать приоритет ИИ-технологиям на основе искусственного интеллекта как в своем видении, так и непосредственно в операционной деятельности.
Использование искусственного интеллекта в банках
Поддержать разговор в «человеческом» стиле они пока не способны. Дело в том, что виртуального помощника, как и человека-оператора, нужно постоянно обучать новым знаниям и навыкам, контролировать его работу и при необходимости вносить корректировки, а для этого необходимы существенные ресурсы. Кроме того, удачный робот должен уметь работать в информационной среде компании и черпать нужные сведения из документов, которые хранятся в неструктурированном виде, а также логически связывать их между собой. Проблема заключается не только в отсутствии необходимых контекстно-зависимых интеграций на логическом уровне, но зачастую и в недостаточной цифровой зрелости компании — бизнес-процессы хаотичны, а данные недоступны приложениям. Интеллектуальная видеоаналитика. Современные технологии распознавания лиц помогают банкам в организации контроля доступа сотрудников и клиентов в помещения банков, управлении очередями в офисах.
Они также умеют выявлять VIP-персон, обеспечивая им специальное обслуживание, а также мошенников, чьи фото есть в соответствующей базе данных. Технологии позволяют с достаточной точностью идентифицировать пол человека, возраст и даже настроение. При этом наличие маски на лице не снижает точности распознавания, равно как и попытки человека изменить внешность, надев парик, шапку, очки или накладную бороду. Умная видеоаналитика умеет выявлять нетипичное поведение посетителя: попытка взлома банкомата или выявление оружия в руках посетителя. Технологии видеоаналитики помогают финансовым компаниям решать разнообразные задачи, связанные с материальными объектами, например, дистанционно оценивать повреждения кузова автомобиля после ДТП.
Перспективное направление, которому прочат большое будущее, — внедрение телематики в страховые и лизинговые продукты. Речь идет о комплексном интеллектуальном решении, которое объединяет телематические службы и страховые услуги: прогнозирование рисков осуществляется на основании детальных данных мониторинга стиля вождения, а также изображения водителя с камеры, установленной в кабине. Яркая примета сегодняшнего дня — использование биометрических данных клиентов в банковских продуктах и услугах. Очевидно, что использование биометрии упрощает клиентский путь, и вот уже на старт активного роста выходит перспективное направление — биоэквайринг, то есть оплата покупок на кассе магазина не картой, а лицом, обращенным к видеокамере. Однако несомненным достоинствам биометрической идентификации сопутствуют и новые риски: биометрические атаки — это уже реальность.
И Liveness-верификация, то есть подтверждение того, что виртуальный собеседник — настоящий живой человек, а не его фотография, становится неотъемлемой частью банковских услуг, использующих биометрические данные клиентов. ИИ в борьбе с внутренними мошенниками. Контроль неправомерных действий пользователя за компьютером включает регистрацию действий, которые потенциально могут нести риск: подключение USB-устройств, флеш-накопителей, принтеров, факты печати на принтере и перехват содержимого буфера обмена, мониторинг конфигурируемых лог-файлов и перехват нажатий клавиш на клавиатуре ПК. Тогда существенные изменения модели их работы становятся поводом для оперативного информирования сотрудника службы безопасности». Более того, аудиозаписи с микрофонов, содержимое буфера обмена и другая информация, которая может представлять интерес для службы безопасности, проходит лингвистический и контентный анализ на предмет выявления конкретной информации, к которой проявил интерес потенциальный инсайдер-злоумышленник.
При этом анализ видеозаписей с веб-камеры рабочего места вместе с аудиозаписями дает возможность понять, какие люди находились в кабинете в конкретный момент времени, и какие события при этом происходили. Составная часть мероприятий внутреннего антифрода — предотвращение утечек конфиденциальных данных в виде не только текста, но и графического изображения или промышленного чертежа, причем, даже в том случае, если инсайдер смог их видоизменить. Есть решения, которые позволяют однозначно определить, с какого рабочего места «убежал» конфиденциальный документ. Иными словами, если инсайдер откроет CRM-систему и сфотографирует личные данные клиентов для передачи вовне, это фото будет содержать информацию об учетной записи сотрудника, дате и времени съемки. Умение увидеть аномалии, скрытые связи, выявить неочевидные риски — это один из самых сложных элементов умственной деятельности человека, и ИТ-решения на базе ИИ усиливают возможности человека в той области, где объект поиска не очевиден.
Если наложить на совокупность цифровых следов процессную аналитику Processmining , можно выявить аномальные действия сотрудников, подозрительное поведении клиента или даже их сговор. С помощью программных средств такого рода можно, например, обнаружить факт тайного хищения денежных средств из кассы или высокотехнологичную операцию на основании сговора в биржевых торгах. Иван Барчук, директор департамента сбора, хранения и анализа данных компании «ВС Лаб» добавляет, что, помимо сбора цифровых следов сотрудников, оставленных в корпоративной сети, для фрод-менеджмента используются данные из внешних открытых источников OSINT, Open Source Intelligence. Даже обладая цепочкой транзакций, без соответствующей визуализации данных и без подсветки данных от ИИ человеку будет очень сложно выявить мошенничество или установить факт вывода денег». Интеллект клиентского опыта.
Эксперты рынка предполагают, что умные программные решения ведут мир банковских услуг к состоянию тотальной персонификации: предложение для клиента будут формироваться динамически с учетом местоположения клиента и прочих значимых характеристик текущей ситуации. Таким образом, в каждый момент времени клиент будет получать только актуальные предложения, максимально привязанные к нынешним особенностям его положения. Особое внимание банки всегда уделяют поддержке лояльности клиентов. Для розничных клиентов наиболее популярны рекомендации банковских продуктов и покупок в рамках программ лояльности различных ритейлеров. В части стимулирования лояльности корпоративных клиентов банки разрабатывают уникальные программы.
Например, анализируют бизнес-связи клиента и рекомендуют ему новых контрагентов. Для клиентов из малого бизнеса моделируют финансовые риски дефолт, кассовый разрыв в режиме реального времени и рекомендуют соответствующие целевые стратегии и наиболее подходящие банковские продукты. ИИ для маркетинга. Заменить человека на творческом этапе «придумывания» новых маркетинговых программ ИИ не способен. Однако он вполне может взять на себя часть рутинных работ, отнимающих время специалистов.
Например, подготовить базу данных потенциальных клиентов — это можно сделать буквально в несколько кликов мышью в соответствующей программе поддержки маркетинговых мероприятий.
Дело в том, что обработка таких объемов информации доступна лишь искусственному интеллекту, и именно на базе его алгоритмов банки смогут вскоре запустить целый набор новых сервисов. Как это может выглядеть на практике в гипотетическом примере с мороженым: банковское приложение на основе истории покупок и геолокации, а также интеграции со сторонними фуд-сервисами дает рекомендации по выбору в ближайшем кафе. Пользователь оплачивает покупку прямо в приложении. Банк наращивает число трансакций и замыкает на свое суперприложение большинство интересов пользователя. Или другой пример: на основе истории покупки фитнес-абонементов дает персональные скидки на страховку жизни и здоровья. Именно так выглядит банк будущего, считают аналитики McKinsey, и без этого он обречен на вымирание. Это идеальная ситуация, к которой стремятся сегодня крупные цифровые банки, строящие экосистему.
Пройдет еще некоторое время, пока сервис «все-в-одном» станет массовым. Хорошо ли это для пользователя? Если вы не приверженец теории заговора, то ответ — да. Банковское приложение из достаточно узкофункционального сервиса постепенно превращается в полноценного универсального помощника на все случаи жизни, который учитывает вкусы и интересы клиента. При этом собираемые данные обезличены и не несут рисков использования их в некорректных целях. Банк уже давно уделяет внимание работе с большими данными, а с помощью ИИ сможет анализировать их и строить полноценные рекомендательные системы, как это сегодня происходит в электронной коммерции.
Газпромбанк разделяет мошенничество на два вида: заявочное мошенничество когда подается заявка на кредит без намерения его выплачивать и трансакционное мошенничество когда у клиента происходит мошенническая трансакция. И если первая задача чем-то напоминает задачу кредитного скоринга используются те же данные, а сама задача решается как задача бинарной классификации , то вторая сильно отличается данными, которые подвергаются анализу, и также имеет некоторые дополнительные сложности при решении. Задача распознавания трансакционного мошенничества имеет дополнительные сложности. Банк постоянно должен поддерживать высокое качество модели, чтобы максимально уменьшить количество ложных срабатываний. Поскольку ошибочные приостановки операций при оплатах приносят ощутимый дискомфорт клиентам. В Газпромбанке такие модели сейчас позволяют с высокой точностью распознавать мошеннические трансакции и минимизировать ложные срабатывания, что в конечном счете позволяет сберечь денежные средства клиентов. Межбанковская гонка Почему кредитные организации оказались в авангарде развития технологий ИИ? По двум причинам: первая — банковская среда сегодня крайне высоко конкурентна. Кроме того, помимо соперничества друг с другом, традиционным кредитным организациям в наши дни приходится конкурировать еще и с необанками и технологическими компаниями. Вторая причина повсеместного внедрения искусственного интеллекта во многие бизнес-процессы внутри традиционных банков — технологии позволяют им получить дополнительную прибыль. Если в компании процессы неэффективны, то она становится неконкурентоспособной и не может предложить клиенту рыночные условия. В результате тот уходит в другие банки, которые работают лучше. Искусственный интеллект помогает этого не допустить», — сказал Адель Валиуллин. Таким образом, внедрение ИИ в банках выгодно и клиентам кредитных учреждений.
Поскольку ошибочные приостановки операций при оплатах приносят ощутимый дискомфорт клиентам. В Газпромбанке такие модели сейчас позволяют с высокой точностью распознавать мошеннические трансакции и минимизировать ложные срабатывания, что в конечном счете позволяет сберечь денежные средства клиентов. Межбанковская гонка Почему кредитные организации оказались в авангарде развития технологий ИИ? По двум причинам: первая — банковская среда сегодня крайне высоко конкурентна. Кроме того, помимо соперничества друг с другом, традиционным кредитным организациям в наши дни приходится конкурировать еще и с необанками и технологическими компаниями. Вторая причина повсеместного внедрения искусственного интеллекта во многие бизнес-процессы внутри традиционных банков — технологии позволяют им получить дополнительную прибыль. Если в компании процессы неэффективны, то она становится неконкурентоспособной и не может предложить клиенту рыночные условия. В результате тот уходит в другие банки, которые работают лучше. Искусственный интеллект помогает этого не допустить», — сказал Адель Валиуллин. Таким образом, внедрение ИИ в банках выгодно и клиентам кредитных учреждений. Например, уже упомянутая задача скоринга, которая помогает банку определять ненадежных заемщиков, с другой стороны — позволяет кредитоспособным клиентам получать необходимые им займы быстрее и на лучших условия. Кроме того, ИИ повышает комфорт клиента во взаимодействии с его банком. И это не только использование текстовых и голосовых помощников. Модели на основе ИИ, созданные Газпромбанком, позволяют лучше понять потребности и предпочтения клиентов.
Николай Ульянов, Россельхозбанк: Распространение ИИ-решений стало мейнстримом в банковской отрасли
В этом «зверинце» — обитает много «хищников», пожирающих гигабайты оперативной памяти,MIPS-ы вычислительной мощности и ресурсы множества команд дорогостоящих ИТ-специалистов. Так что нынешний хайп на тему искусственного интеллекта в конечном итоге уходит в плоскость оптимизации инвестиций и грамотного управления ИИ-зоопарком. Как выглядит, с этой точки зрения, эволюция интеллектуальных систем, работающих в российских банках? Машинный интеллект: быстрее человека, лучше человека Современные банки осуществляют свой бизнес в условиях жесткой конкуренции с финтехом. В этих условиях банки стараются с помощью ИИ поставить на службу бизнесу всю мощь данных, имеющихся во внутренних и внешних источниках. В первую очередь, искусственный интеллект внедряется на тех участках деятельности банка, где он очевидным образом работает быстрее человека или лучше человека справляется с решением тех или иных задач. Так, системы на базе ИИ помогают людям управлять персоналом, лояльностью клиентов и реализацией маркетинговых программ, бороться с внутренними и внешними угрозами информационной безопасности. Умный цифровой HR.
Чаще всего информатизация используется для ускорения и оптимизации поиска и найма персонала за счет автоматического анализа резюме и первичного отбора подходящих кандидатов. Фактически это вариант аналитики больших данных, которая позволяет выявлять особенности и аномалии рабочих процессов, влияющих на текучку кадров, будущую эффективность работы сотрудника, а также помогает формировать кадровый резерв. Тотальная «удаленка» вызвала устойчивый интерес компаний к ИТ-системам, способным наблюдать за работой удаленного персонала, волею судеб привязанного к домашнему рабочему месту. Причем, от таких систем ожидается функциональность двоякого рода. С одной стороны, требуется виртуальный «надсмотрщик», умеющий учитывать полезную активность сотрудника и объективно оценивать эффективность его работы. С другой стороны, такие системы выполняют функции защиты компании от действий сотрудника, которые могут нанести вред ее бизнесу. Например, после установки на удаленный компьютер соответствующего приложения системный администратор получает полный контроль над действиями пользователя в корпоративной сети: он может видеть список программ, которые запускаются пользователем, изучать, какие окна открыты у сотрудника, блокировать определенные ресурсы.
Встроенный модуль распознавания лиц поможет администратору убедиться, что за компьютером работает тот самый сотрудник компании. ИИ в контактных центрах. Для передовых контактных центров, в которых реализовано омниканальное обслуживание клиентов, технологии распознавания естественного языка распространяются на все каналы коммуникаций операторов и клиентов: переписку по электронной почте и в мессенджерах, сообщения на корпоративных сайтах, форумах, в соцсетях. Сегодня рядом с классическими операторами трудятся голосовые помощники. Эти «сотрудники» берут на себя часть работы операторов, в первую очередь, рутинные функции дозвона и информирования клиентов. Поддержать разговор в «человеческом» стиле они пока не способны. Дело в том, что виртуального помощника, как и человека-оператора, нужно постоянно обучать новым знаниям и навыкам, контролировать его работу и при необходимости вносить корректировки, а для этого необходимы существенные ресурсы.
Кроме того, удачный робот должен уметь работать в информационной среде компании и черпать нужные сведения из документов, которые хранятся в неструктурированном виде, а также логически связывать их между собой. Проблема заключается не только в отсутствии необходимых контекстно-зависимых интеграций на логическом уровне, но зачастую и в недостаточной цифровой зрелости компании — бизнес-процессы хаотичны, а данные недоступны приложениям. Интеллектуальная видеоаналитика. Современные технологии распознавания лиц помогают банкам в организации контроля доступа сотрудников и клиентов в помещения банков, управлении очередями в офисах. Они также умеют выявлять VIP-персон, обеспечивая им специальное обслуживание, а также мошенников, чьи фото есть в соответствующей базе данных. Технологии позволяют с достаточной точностью идентифицировать пол человека, возраст и даже настроение. При этом наличие маски на лице не снижает точности распознавания, равно как и попытки человека изменить внешность, надев парик, шапку, очки или накладную бороду.
Умная видеоаналитика умеет выявлять нетипичное поведение посетителя: попытка взлома банкомата или выявление оружия в руках посетителя. Технологии видеоаналитики помогают финансовым компаниям решать разнообразные задачи, связанные с материальными объектами, например, дистанционно оценивать повреждения кузова автомобиля после ДТП. Перспективное направление, которому прочат большое будущее, — внедрение телематики в страховые и лизинговые продукты. Речь идет о комплексном интеллектуальном решении, которое объединяет телематические службы и страховые услуги: прогнозирование рисков осуществляется на основании детальных данных мониторинга стиля вождения, а также изображения водителя с камеры, установленной в кабине. Яркая примета сегодняшнего дня — использование биометрических данных клиентов в банковских продуктах и услугах. Очевидно, что использование биометрии упрощает клиентский путь, и вот уже на старт активного роста выходит перспективное направление — биоэквайринг, то есть оплата покупок на кассе магазина не картой, а лицом, обращенным к видеокамере. Однако несомненным достоинствам биометрической идентификации сопутствуют и новые риски: биометрические атаки — это уже реальность.
И Liveness-верификация, то есть подтверждение того, что виртуальный собеседник — настоящий живой человек, а не его фотография, становится неотъемлемой частью банковских услуг, использующих биометрические данные клиентов. ИИ в борьбе с внутренними мошенниками. Контроль неправомерных действий пользователя за компьютером включает регистрацию действий, которые потенциально могут нести риск: подключение USB-устройств, флеш-накопителей, принтеров, факты печати на принтере и перехват содержимого буфера обмена, мониторинг конфигурируемых лог-файлов и перехват нажатий клавиш на клавиатуре ПК. Тогда существенные изменения модели их работы становятся поводом для оперативного информирования сотрудника службы безопасности». Более того, аудиозаписи с микрофонов, содержимое буфера обмена и другая информация, которая может представлять интерес для службы безопасности, проходит лингвистический и контентный анализ на предмет выявления конкретной информации, к которой проявил интерес потенциальный инсайдер-злоумышленник. При этом анализ видеозаписей с веб-камеры рабочего места вместе с аудиозаписями дает возможность понять, какие люди находились в кабинете в конкретный момент времени, и какие события при этом происходили.
Как раз он и применяется сегодня в различных задачах», — пояснил Адель Валиуллин. В данном случае речь идет о технологиях, с помощью которых компании решают отдельные задачи в узкой области.
И когда сегодня специалисты произносят фразу «искусственный интеллект», на самом деле они говорят именно о специализированном ИИ. Здравствуйте, вам одобрен кредит Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Одна из главных и сложных задач — управление рисками. Кредитные скоринговые системы, или системы оценки кредитоспособности, стали одним из ключевых инструментов для управления риском в банковской сфере. Посмотрим, как работает скоринг с использованием ИИ в розничном банкинге: 1 клиент заполняет заявку на один из кредитных продуктов потребительский кредит, кредитная карта, автокредит или ипотека ; 2 данные клиента обогащаются различными источниками кредитной историей, трансакционной активностью, активностью по банковским продуктам и др. Как уже говорилось, банки, и в частности Газпромбанк, активно развивают и применяют технологии искусственного интеллекта в различных направлениях бизнеса. Универсальной системы кредитного скоринга нет, каждый банк самостоятельно создает ИИ-модели для выполнения этой задачи. Для обучения необходим тренировочный набор данных, например исторические данные по кредитам, которые выдавал банк в последние несколько лет, и выплаты или просрочки по ним.
При обучении на сотнях тысяч исторических заявок ИИ-модель выявляет различные линейные и более сложные, нелинейные закономерности в данных, что позволяет с высокой точностью предсказывать вероятность дефолта по новым заявкам. Чем точнее полученная модель, тем качественнее происходит разделение «хороших» и «плохих» заявок. И это позволяет банку выдавать больше кредитов при оптимальном уровне риска, что приносит дополнительную прибыль. Поэтому банки стремятся к тому, чтобы разрабатывать все более точные модели для решения задачи кредитного скоринга.
Реализовать это без индивидуального подхода невозможно. Здесь на помощь банком и приходит искусственный интеллект.
Сейчас каждое финансово-кредитное учреждение разрабатывает и предлагает клиентам 10—20 продуктов. Над ними на протяжении длительного времени работает команда профессионалов-людей. Однако если нужно сформировать сотни тысяч персонифицированных предложений, то без применения системы ИИ обойтись не получится. По статистике в настоящее время каждый человек владеет 2—5 электронными устройствами, посредством которых выходит в интернет, пользуется мессенджерами и социальными сетями. Естественно, в виртуальной паутине остается большой объем данных по всем пользователям. Алгоритм искусственного интеллекта способен собирать информацию по клиенту, анализировать и генерировать индивидуальное предложение.
Области применения Сфера применения искусственного интеллекта многогранна. Тем не менее ИИ способен изменить работу финансовой отрасли уже в ближайшем будущем. Чат-боты Несколько лет назад клиент банка при возникновении вопроса или проблемной ситуации делал звонок и общался с сотрудником контактного центра. Это была безальтернативная ситуация. Однако сейчас многие финансово-кредитные учреждения реализовали систему чат-ботов. Клиент также звонит по телефону, но общение происходит с роботом, который предоставляет нужные сведения и рассказывает о сервисах.
Кроме того, подобная коммуникация может выстраиваться при помощи мессенджеров, SMS-сообщений или переписки в чате на сайте банка. Искусственный интеллект позволяет чат-боту моментально делать анализ потребностей человека и предлагать подходящие пути решения. Личный виртуальный помощник Программа ИИ, которая специализируется на банковских услугах и финансах, способная разговаривать с человеком.
Новый платежный инструментарий стикеры, QR-коды, биометрия, мобильные приложения гарантирует улучшенную безопасность при совершении транзакцийи обеспечивает повышенный уровень удобства во время проведения необходимых финансовых операций. Таким образом, банки могут существенно сократить временные издержки, связанные с выпуском более традиционных платежных средств в частности, дебетовых и кредитных карт. Помимо прочего, также большой популярностью как в России, так и в мире пользуются встроенные финансы и BNPL-сервисы2, которые предлагают уникальную возможность воспользоваться банковскими услугами кредитованием, рассрочкой, страхованием и пр. Клиенты получают возможность быстро оформить покупку, а оплата будет автоматически списываться с их счета равными долями за несколько платежей. Таким образом, повышается лояльность клиентов, обеспечивается рост продаж и потребительского доверия.
Искусственный интеллект и BNPL-сервисы: проанализировали тренды финтеха 2023 года
По данным McKinsey, в одних только США выручка от реализации встроенных финансов в 2022 году достигла 20 млрд долларов. Можно не сомневаться, что тренд на встраивание дополнительных финансовых инструментов в площадки электронной коммерции не ослабнет и в новом году. Forbes отмечают , что по прогнозам аналитиков, к 2026 году мировой объем транзакций по BNPL достигнет 576 млрд долларов, то есть вырастет практически в пять раз! Искусственный интеллект Наверняка вы слышали, какой шум в среде профессиональных художников и иллюстраторов вызвало появление целого ряда генерирующих изображения нейросетей в конце 2022 года. В ответ на их популяризацию последовали протестные действия, которые, впрочем, едва ли сумеют удержать бизнес от внедрения инструментов машинного обучения в свои процессы. Финансовый рынок — не исключение. Кембриджский центр альтернативных финансов подсчитал , что девять из десяти международных поставщиков технологических продуктов для банков используют модели машинного обучения и искусственный интеллект. Финансово-кредитные организации будут использовать возможности когнитивной автоматизации, увеличивать объем накапливаемых данных и качество их аналитической обработки, в том числе на основе облачных вычислений. Помимо повышения качества традиционных финансовых услуг, применение технологий машинного обучения будет способствовать расширению возможностей банковских чат-ботов. Их станет проще интегрировать в дистанционные каналы банковского обслуживания и обучить адаптации под непрерывно усложняющиеся запросы клиентов.
Любопытное событие , подтверждающее актуальность тренда, произошло 17 января 2023 года. В документе были изложены планы по стандартизации и развитию открытых банковских интерфейсов, а также установлены сроки их рекомендательного и обязательного принятия. До 2025 года включительно системообразующими финансово-кредитными организациями должны быть внедрены Стандарты Открытых API, описывающие предоставление доступа к информации о коммерческих предложениях организации-участника среды Open API, к данным о счете и продуктах клиента, а также об инициировании платежей третьей стороной. Мы считаем, что тренд на развитие открытого банкинга, в качестве одного из главных, сохранится в финансово-технологической сфере в течение как минимум ближайших пять лет. Подробнее о Концепции внедрения Открытых API и о планах по его реализации вы можете прочитать в нашей статье.
Оцифровка документов также популярна в банкинге и финтехе — ИИ-технологии позволяют быстро автоматизировать процесс обработки документов и проводить их верификацию, отметил банкир, основатель финтех-платформы TalkBank Михаил Попов. Речевая аналитика Банки проявляют особый интерес к системам речевой аналитики, основанным на искусственном интеллекте, отметил PR-директор 3iTech Кирилл Ладыгин. Эта технология позволяет систематизировать и анализировать всю голосовую информацию, записываемую в контакт-центрах, клиентских офисах и корпоративных телефонах децентрализованных сотрудников. Система работает непрерывно и гораздо оперативнее человека, позволяя добиться качественного улучшения работы контакт-центров и повышения конверсии продаж, объяснил эксперт. Технологии, связанные с обработкой текста и речи, направлены на общее понимание того, о чем говорит клиент, взаимодействие с ним и роботизацию контакт-центров, разъяснил Михаил Попов. Здесь технологии особенно продвинулись с появлением языковых моделей на базе ИИ, которые обеспечивают общение практически на уровне человека с глубоким пониманием предметной области без необходимости ожидать оператора, чтобы он что-то уточнил, переключился и т. Инвестиции и портфельное управление В сфере инвестиций ИИ используется для анализа рынка и принятия решений о портфеле, отметил Дамир Якупов. Алгоритмы машинного обучения могут анализировать огромное количество данных, чтобы определить оптимальные инвестиционные стратегии. Робо-советники анализируют рынки, рекомендуют портфели и оптимизируют инвестиционные стратегии, пишут большие материалы, переделывают и адаптируют любой контент, объяснил Станислав Чернухин. Они способны структурировать информацию и подавать ее в понятном виде. Анализ данных и предсказательная аналитика Искусственный интеллект может анализировать большие объемы данных, чтобы выявлять скрытые закономерности и прогнозировать тенденции в финансовой сфере, отметил Станислав Чернухин. Банки и финтех-компании используют такие модели для предсказания рыночных трендов, определения оптимальной цены акций и т. Большой блок — аналитика транзакций, ИИ помогает как прогнозировать финансовые потоки, так и выявлять потенциальные негативные изменения, отметил Михаил Попов. Машинное обучение помогает аналитикам выявлять паттерны и факторы. Обслуживание банкоматов ИИ прогнозирует загрузку терминалов и уменьшает расходы на инкассацию 6. Законодательные пробелы Есть несколько нерешенных правовых вопросов применения ИИ в банкинге и финтехе. При этом финтех-компании разнятся во мнении о необходимости регулирования ИИ. При этом компании в сфере финтех понимают, что преимущество за теми, кто будет иметь доступ к наибольшему объему данных. Регулирование ИИ требует комплексного подхода, так как вопросы ИИ пересекаются с регулированием в области обмена данными и другими нормативными инициативами. На данный момент законодательство в России в отношении ИИ находится на начальных этапах формирования, заключили эксперты Ассоциации ФинТех. Персональные данные Как объясняет Анастасия Гогина, персональные данные финансовые компании получают на основании письменного согласия клиента, внутри банков также выстроен ряд процессов для безопасности своих потребителей. Происходит это следующим образом: Ф. Распространение персональных данных строго запрещено, а внутренние системы безопасности мониторят случаи подобных нарушений. Остальные сотрудники при работе с базами данных видят только цифровой код вместо имен. Все процессы, включая ИИ, также работают с обезличенными данными во внутреннем контуре банка, который не имеет доступа к Интернету или внешней среде, объяснила эксперт. Для обработки данных посредством алгоритмов специфических правил сбора персональных данных не предусмотрено, обратил внимание партнер, руководитель практики компьютерных игр, креативных индустрий и технологий ЮК "Центральный округ" Николай Андреев. В таком случае обработка данных относится к автоматизированной обработке, при этом не имеет значения, насколько глубоко автоматизированы конкретные способы и инструменты такой обработки. ИИ-решения, применяемые банками, зачастую остаются внутри их информационного контура, что снижает вероятность утечек персональных данных, отметил Константин Артемьев, генеральный директор Sherpa RPA. Тем не менее важна прозрачность в использовании сведений и их возможной коммерциализации. Компании должны обеспечивать предоставление четкой информации о способах использования данных и достигаемых результатах. Это нужно для понимания пользователями процессов принятия решений и обработки их персональной информации. Ответственность за ошибки Одним из основных вопросов является проблема ответственности за ошибки, совершенные автоматизированными системами, работающими на базе ИИ, определила проблему Анастасия Гогина. Так, нет однозначного ответа, кто несет ответственность при возникновении негативных последствий применения нейросетей — например, возмещение убытков при финансовых потерях. Этот аспект становится особенно актуальным, учитывая сложность алгоритмов ИИ и их способность принимать решения, которые могут оказать существенное воздействие на банковские операции и финансовые рынки. Еще одной важной темой является этический аспект использования нейросетей в финансовой сфере, отметила Анастасия Гогина. Ситуации, когда автоматизированные системы ИИ могут принимать важные решения с непредсказуемыми последствиями, заставляют размышлять о необходимости определения четких этических стандартов.
Обосновано, что внедрение искусственного интеллекта окажет влияние на инновационность банковского сектора и его услуг, повысит эффективность и скорость обслуживания. Artificial intelligence technology is expected to increase the operational efficiency of banking as well as improve risk management. While the use of artificial intelligence in banking creates great opportunities, there are also risks and challenges associated with these methods. Given the growing use of this technology and potential risks, the article presents the main trends in the use of artificial intelligence by banks and the possible consequences of these processes. It is substantiated that the introduction of artificial intelligence will have an impact on the innovativeness of the banking sector and its services, increase the efficiency and speed of service. Keywords: banks , digital transformation , machine learning , risk management , technology Библиографическая ссылка на статью: Курносова В. Искусственный интеллект ИИ в ближайшем будущем может стать одним из ключевых факторов, движущих экономикой нашей страны и мира в целом. Эффективная реализация этого решения — большая проблема как для компаний, так и для государства. У России есть потенциал, который может позволить ей стать международным лидером в области искусственного интеллекта, но использование этого потенциала зависит от всех участников рынка и от координации деятельности субъектов, участвующих в экономических процессах. Непрерывный процесс цифровой трансформации экономики и общества с по]мощью цифровых алгоритмов является большой задачей развития XXI века [. Стоит отметить, что основой экономики стало получение, сбор данных, их обработка и правильное использование с применением искусственного интеллекта. Чтобы стать более конкурентоспособными, банки не должны забывать использовать возможности и преимущества, возникающие в результате внедрения и развития искусственного интеллекта. Глобальные тенденции и угрозы например, пандемия вируса COVID19 ускорили цифровизацию жизнедеятельности. Общества, решившие внедрить решения ИИ, получат более высокий уровень развития. Прогнозируется, что в ближайшем будущем применение ИИ-решений увеличится практически во всех сферах экономики и жизни. Все чаще обращается внимание на то, что искусственный интеллект может способствовать экономическому росту и может рассматриваться как новый фактор производства. Искусственный интеллект в банковской сфере — это сочетание технического прогресса и инноваций, направленное на упрощение банковской деятельности, повышение эффективности и выгоды как для банка, так и для клиента. ИИ — это форма технологии, которая связывает программное обеспечение с оборудованием, позволяя компьютерам выполнять задачи, которые обычно требуют человеческого интеллекта. Эти задачи включают обучение, анализ, планирование и понимание естественного языка. На рынке появилось новое программное обеспечение, помогающее банкам создавать контент для цифровых банковских услуг. Развитие искусственного интеллекта позволило добавить технологии к существующим процессам, а не заменить их полностью. Это позволяет банкам инвестировать в передовые технологии, предлагая своим клиентам самые лучшие продукты и услуги, не снижая, а повышая скорость или эффективность. По мере развития технологий в течение следующего десятилетия финансовые услуги кардинально изменятся. Некоторые из этих изменений включают [3, 5]: - сокращение числа рабочих мест, доступных для отдельных лиц, и увеличение зависимости от автоматизации; - развитие финтех-компаний и их влияние на поставщиков традиционных финансовых услуг; - переход к более автоматизированной и удаленной рабочей силе. Будущее банкинга неопределенно, но можно согласиться с тем, что оно будет сильно отличаться от того, что мы знаем сегодня [4].
Здесь чат-боты, голосовые и виртуальные помощники задействуются не только для информирования, но и для денежных операций. В кредитных компаниях он легко идентифицирует личности, оценивает кредитоспособность, выявляет мошенников. В страховых компаниях он автоматизирует заявки по страховым случаям, определяет риски, обнаруживает мошенничество со страховками. Финтех-стартапам разработки на основе ИИ помогают конкурировать с перечисленными типами организаций или же наладить с ними сотрудничество через B2B. А в B2C появляются посредники, зарабатывающие на формировании комплексных услуг из множества мелких, предоставляемых разными компаниями. Помимо решения задач в финансах, ИИ способен наладить любые бизнес-процессы на бесперебойную работу. Например, автоматизировать внутренние процедуры, уменьшить время обработки неструктурированных и больших данных, снизить повторные расходы, составлять отчёты. ИИ быстро обретает знания и самообучается, улучшая взаимодействие человека с машиной. Искусственный интеллект как финансовая технология Финансовые компании первыми стали использовать мейнфреймы и реляционные базы данных. Они с нетерпением ждали следующего уровня вычислительной мощности. Гонка вычислений в последние 20 лет снова произвела революцию. Теперь уже и в финансах искусственный интеллект помогает повышать эффективность и улучшать результаты. Машинное и глубокое обучение, нейронные сети, аналитика больших данных и многое другое позволили компьютерам обрабатывать разнообразные и огромные наборы данных. Экономия и увеличение прибыли банков На заре банковского дела банкиры были на короткой ноге со своими клиентами, чтобы помогать им управлять финансами грамотно. Но в нынешнем цифровом мире личная связь пропала. Чтобы её восстановить, можно задействовать искусственный интеллект в банке. Пройдя машинное обучение, он сможет обрабатывать большое количество информации о клиентах. Потом ИИ проанализирует эти данные и подберёт подходящие клиентам продукты.
Банки распробовали ИИ
Как это может выглядеть на практике в гипотетическом примере с мороженым: банковское приложение на основе истории покупок и геолокации, а также интеграции со сторонними фуд-сервисами дает рекомендации по выбору в ближайшем кафе. Пользователь оплачивает покупку прямо в приложении. Банк наращивает число трансакций и замыкает на свое суперприложение большинство интересов пользователя. Или другой пример: на основе истории покупки фитнес-абонементов дает персональные скидки на страховку жизни и здоровья. Именно так выглядит банк будущего, считают аналитики McKinsey, и без этого он обречен на вымирание. Это идеальная ситуация, к которой стремятся сегодня крупные цифровые банки, строящие экосистему. Пройдет еще некоторое время, пока сервис «все-в-одном» станет массовым.
Хорошо ли это для пользователя? Если вы не приверженец теории заговора, то ответ — да. Банковское приложение из достаточно узкофункционального сервиса постепенно превращается в полноценного универсального помощника на все случаи жизни, который учитывает вкусы и интересы клиента. При этом собираемые данные обезличены и не несут рисков использования их в некорректных целях. Банк уже давно уделяет внимание работе с большими данными, а с помощью ИИ сможет анализировать их и строить полноценные рекомендательные системы, как это сегодня происходит в электронной коммерции. На ее основе создаются модули, которые анализируют данные и принимают решения.
Стоит отметить, что основой экономики стало получение, сбор данных, их обработка и правильное использование с применением искусственного интеллекта. Чтобы стать более конкурентоспособными, банки не должны забывать использовать возможности и преимущества, возникающие в результате внедрения и развития искусственного интеллекта. Глобальные тенденции и угрозы например, пандемия вируса COVID19 ускорили цифровизацию жизнедеятельности. Общества, решившие внедрить решения ИИ, получат более высокий уровень развития.
Прогнозируется, что в ближайшем будущем применение ИИ-решений увеличится практически во всех сферах экономики и жизни. Все чаще обращается внимание на то, что искусственный интеллект может способствовать экономическому росту и может рассматриваться как новый фактор производства. Искусственный интеллект в банковской сфере — это сочетание технического прогресса и инноваций, направленное на упрощение банковской деятельности, повышение эффективности и выгоды как для банка, так и для клиента. ИИ — это форма технологии, которая связывает программное обеспечение с оборудованием, позволяя компьютерам выполнять задачи, которые обычно требуют человеческого интеллекта.
Эти задачи включают обучение, анализ, планирование и понимание естественного языка. На рынке появилось новое программное обеспечение, помогающее банкам создавать контент для цифровых банковских услуг. Развитие искусственного интеллекта позволило добавить технологии к существующим процессам, а не заменить их полностью. Это позволяет банкам инвестировать в передовые технологии, предлагая своим клиентам самые лучшие продукты и услуги, не снижая, а повышая скорость или эффективность.
По мере развития технологий в течение следующего десятилетия финансовые услуги кардинально изменятся. Некоторые из этих изменений включают [3, 5]: - сокращение числа рабочих мест, доступных для отдельных лиц, и увеличение зависимости от автоматизации; - развитие финтех-компаний и их влияние на поставщиков традиционных финансовых услуг; - переход к более автоматизированной и удаленной рабочей силе. Будущее банкинга неопределенно, но можно согласиться с тем, что оно будет сильно отличаться от того, что мы знаем сегодня [4]. Индустрия финансовых услуг быстро растет, по мере цифровизации экономики финансовые услуги становятся более прозрачными и доступными.
Новое поколение потребителей все больше убеждается в способности принимать правильные решения, что способствует росту этой отрасли. Будущее финансовой индустрии будет во многом зависеть от того, как банки адаптируются к этим изменениям и как они соответствующим образом адаптируют свои бизнес-модели. При анализе технологий ИИ в банкинге важно ответить на вопрос, является ли ИИ технически более эффективным, чем традиционная бизнес-модель, использующая труд сотрудников. ИИ — это технология нового поколения, которая может устранить повторяющиеся задачи и сделать многие бизнес-процессы проще и эффективнее.
Практически все банки уже начали применять искусственный интеллект в своей деятельности, при этом варианты использования варьируются от обслуживания клиентов до маркетинга, от улучшения управления личным капиталом до снижения рисков. Внедрение технологии ИИ принесло много изменений в банковскую отрасль, в том числе усиление автоматизации процессов и усиление прозрачности между клиентами и банками. За последние несколько десятилетий производительность увеличилась, поскольку компьютеры помогали оказывать услуги быстрее. Эта тенденция в настоящее время достигла своего пика, поскольку автоматизация берет на себя ключевые функции почти во всех отраслях.
Компьютеры берут на себя многие аспекты банковских процессов, однако есть еще много направлений деятельности, которые машины пока не могут делать.
Инновации вместо «классики» Растущий спрос на обслуживание в цифровых каналах — ключевой стимул для многих банков внедрять технологические инновации и развивать свои продукты. Так, среди 257 руководителей крупнейших банков и финтех-компаний, опрошенных изданием American Banker, не менее трети признались, что в новом году продолжат развивать цифровые платформы для сбора и аналитики клиентских данных, на основе которых можно будет создать персонализированные решения. Тенденция на переход к дистанционному обслуживанию была задана еще в начале пандемии и с тех пор ничуть не ослабла. Напротив, чтобы стимулировать обращение клиентов к цифровым услугам, в 2023 году банки продолжат сворачивать сеть «физических» отделений. В особенности это касается крупных игроков рынка, способных быстро переводить обслуживание на цифровые рельсы. О закрытии офисов, как о неизбежной реальности, мы не раз писали в этом году. Например, в Испании за последние 18 месяцев было свернуто около полутора тысяч филиалов, а в Великобритании за пять лет закрылись почти 5,5 тыс. Россия ничуть не выбивается из этого тренда: один «Сбербанк» в 2022 году закрыл более 800 подразделений. Банковское обслуживание с «личным взаимодействием» еще долго не уйдет в прошлое, но движение началось.
Встроенные финансовые услуги Встроенные финансы англ. Примером такой модели могут быть платежные сервисы, встраиваемые в социальные сети, или карточные программы лояльности на сайтах онлайн-магазинов. Банки по-прежнему обладают огромными базами клиентов, которые перестанут переходить к их цифровым конкурентам, если им предложат аналогичные финансовые продукты. Среди всех видов встроенных финансов, вероятно, наиболее скорыми темпами будут развиваться BNPL-сервисы англ. Напомним, что подобные сервисы позволяют оплачивать онлайн-покупки по частям в течение некоторого срока, при этом клиенты не заключают кредитный договор и не платят комиссию. По данным McKinsey, в одних только США выручка от реализации встроенных финансов в 2022 году достигла 20 млрд долларов.
Начнем с истории. Основная функция банков Банки, в том виде, как они были созданы, имеют своей основной функцией — работу с деньгами. Искусственный Интеллект — это своеобразная техника работы с идеальными объектами — с образами субъективной реальности. Деньги, если верить Марксу, объект абсолютно идеальный. Поэтому сразу же напрашивается вывод — Искусственный Интеллект и деньги должны быть вместе «близнецы-братья», но это уже из другого классика. Главная функция банков изначальная — двигать деньги и их хранить. Сегодня это делает кто угодно и помимо банков. Вопрос в масштабах. В микромасштабах это делают сотовые операторы. И хранят деньги, и переводят их, и в даже кредиты дают. Это означает, что для того чтобы совершать основные банковские операции, никакого Искусственного Интеллекта не надо, это полностью алгоритмизируемая деятельность. Что же происходит с увеличением масштаба? То есть когда речь идет не о платежах за разговоры по мобильному телефону, а о торговом финансировании или о кредитовании крупного строительства? Все очень просто — растут риски, связанные с каждой операцией, исчезает рутинность, операции становятся уникальными. Понятно, что именно такой завод именно на этой территории можно построить всего один раз. И никто его до этого здесь не строил. И, соответственно, не финансировал. Для рутинных операций разработаны алгоритмы, есть возможность набора опыта, так как такие операции совершаются миллионами, а вот с уникальными операциями все сложнее. Нет опыта, кроме личного, который есть у исполнителя в банке, совершавшего, быть может, похожие операции, но не точно такие же. В результате мы видим две крайности. Первая — рутинные операции, которые полностью алгоритмизированы, вторая — уникальные операции, которые может совершить человек, полагаясь только на свой банковский опыт. Есть ли место Искусственному Интеллекту в банке? Получается, что в банке нет места для Искусственного Интеллекта. В банках требуется, по большому счету, автоматизация, и в редких случаях — компетентные сотрудники. Так ли это? Господа Греф Руководитель Сбербанка и Фридман руководитель Альфа-банка приблизительно в одно и то же время где-то полтора года назад высказались на тему, что банкам — конец. Известно, что если Герман Греф может выражать свою неожиданную личную точку зрения на разные темы так, что ее потом долго обсуждает как банковское, так и околобанковское сообщество, то Михаил Фридман точно этим не отличается. Так что же они имели ввиду? А имели ввиду они вот что: в банковском деле человеку делать нечего.
Искусственный интеллект в финансовых операциях
- Искусственный интеллект в банковской сфере: как AI поднимает финансовый сектор
- Другие материалы рубрики
- Искусственный Интеллект - Сектор Будущего! Разбор сектора и акций для инвестирования.
- Куда стремится «умное» стадо? Количество переходит в качество. Обзор сфер применения ИИ в банках
- Исследование: крупные банки чаще используют искусственный интеллект — Frank Media
- Банки распробовали ИИ
4 лучших практики применения машинного обучения в банковском секторе
Разговорные боты с искусственным интеллектом или роботы-консультанты предлагают услуги финансового планирования на основе алгоритмов практически без человеческого контроля. Они могут информировать клиентов о последних финансовых тенденциях, помогать им расширять свой портфель, добиваться налоговой эффективности, максимизировать сбережения и многое другое. Например, финансовый помощник от TalkBank называется Баффет. Это экосистема сервисов на основе искусственного интеллекта. Виртуальный робот анализирует конкретного пользователя и подбирает уникальные пути качественного управления личными финансами. Также среди его функций есть: — автоматический учет расходов и разделение их на категории; — оформление страховки для путешествий; — рекомендации по экономии и планировании бюджета на месяц на основе анализа расходов; — напоминание должникам о сроках возврата и специальный инструмент для перевода денег, советы по достижению финансовых целей и другие функции. Кредитный скоринг Другим направлением использования ИИ является кредитование. На обработку кредитных заявок и отклик у банков уходит много времени, поэтому для упрощения процесса его автоматизируют.
Например, с помощью алгоритмов ИИ определяют право человека на получение кредита, оценивают риски и даже предоставляют индивидуальные решения. Искусственный интеллект не предвзят, поэтому он может сделать более точное, справедливое и своевременное решение о праве на получение кредита. Так, чат-бот TalkBank в будущем сможет вести диалог с потенциальным клиентом в режиме реального времени и сопровождать его на всех этапах обращения в МФО. Теперь оформление займа не займет много времени и даже не потребует личного присутствия. Достаточно зайти с любого устройства в любимый мессенджер и заполнить анкету. Если клиент уже обращался в МФО, алгоритмы чат-бота автоматически проанализируют всю возможную информацию и сформируют решение по кредиту, основываясь на данных клиента и критериях кредитной организации. И все это займет не более десяти минут.
Но откуда чат-бот берет всю необходимую информацию и безопасно ли это? Онлайн-идентификация KYC — метод, применяемый банками и другими организациями для проверки личности клиента. Он включает в себя: идентификацию личности, понимание характера деятельности клиента и происхождения его финансов, а также оценку рисков. Процедура KYC необходима для подтверждения личности клиента и предоставления доступа к необходимым ему услугам.
Также среди его функций есть: — автоматический учет расходов и разделение их на категории; — оформление страховки для путешествий; — рекомендации по экономии и планировании бюджета на месяц на основе анализа расходов; — напоминание должникам о сроках возврата и специальный инструмент для перевода денег, советы по достижению финансовых целей и другие функции. Кредитный скоринг Другим направлением использования ИИ является кредитование. На обработку кредитных заявок и отклик у банков уходит много времени, поэтому для упрощения процесса его автоматизируют. Например, с помощью алгоритмов ИИ определяют право человека на получение кредита, оценивают риски и даже предоставляют индивидуальные решения. Искусственный интеллект не предвзят, поэтому он может сделать более точное, справедливое и своевременное решение о праве на получение кредита. Так, чат-бот TalkBank в будущем сможет вести диалог с потенциальным клиентом в режиме реального времени и сопровождать его на всех этапах обращения в МФО. Теперь оформление займа не займет много времени и даже не потребует личного присутствия. Достаточно зайти с любого устройства в любимый мессенджер и заполнить анкету. Если клиент уже обращался в МФО, алгоритмы чат-бота автоматически проанализируют всю возможную информацию и сформируют решение по кредиту, основываясь на данных клиента и критериях кредитной организации. И все это займет не более десяти минут. Но откуда чат-бот берет всю необходимую информацию и безопасно ли это? Онлайн-идентификация KYC — метод, применяемый банками и другими организациями для проверки личности клиента. Он включает в себя: идентификацию личности, понимание характера деятельности клиента и происхождения его финансов, а также оценку рисков. Процедура KYC необходима для подтверждения личности клиента и предоставления доступа к необходимым ему услугам. Суть в следующем: клиент предоставляет документы, подтверждающие его личность, в отделение банка или через фото- или видеоидентификацию. К слову, электронный вариант идентификации называется eKYC, а потоковое видео становится всемирным стандартом в банковской сфере. Видеоидентификация чаще встречается перед подключением клиента к услугам банка. В мессенджерах TalkBank она вместо привычных нескольких часов теперь занимает пару минут. А все мы понимаем, что время — самый ценный ресурс.
А рост издержек на содержание фронт-офисов может подстегнуть банки к радикальному «уходу в онлайн» а-ля Тинькофф или Revolut: это станет тем более возможно, чем скорее вырастут поколения зумеров и «альф», ладящих с техникой и лояльных к банкам без отделений. В какой вселенной открывали, туда и идите Еще больший толчок дадут метавселенные: в феврале J. Morgan первым открыл там виртуальное отделение, но, по словам топ-менеджера Accenture Майка Эбботта, такой гонки между банками, как сейчас за освоение метавселенных, не было давно. Очень может быть, что через несколько десятилетий образ среднего банка в среднем городе будет таким: сотни «узлов» и «отделений» в метаприложениях, доступных по клику, пара физических офисов для документооборота и вип-переговоров — и широкая сеть доставки и «сотрудников по вызову» для всех остальных случаев. В рамках уже упомянутого партнерства Deutsche Bank и Nvidia обещают разрабатывать и специальных цифровых аватаров, которые помогут новым клиентам ориентироваться в сервисах банка, — до интеграции этих аватаров с метавселенными остается один шаг. Банки также развивают финансовых советников на базе ИИ: они способны строить тысячи похожих финансовых стратегий, анализируя повседневные траты и доходы клиента. Помогают нейросети и в анализе финансовой активности: к примеру, предупреждают, когда кто-то пытается вывести с вашего счета деньги. Один из первых и самых известных примеров подобного советника — Eno , разработанный банком Capital One еще в 2017 году на базе SMS и поражавший тогда разнообразием функций. ИИ-детективы выходят на охоту Сфера, где нейросети незаменимы, — антифрод борьба с мошенничеством и отмыванием денег. Анализируя данные о миллионах транзакций в секунду, ИИ может засекать подозрительные операции и предотвращать кражу денег со счетов — а иногда и пресекать многомиллионные «серые» схемы. Так, Сбер еще в августе получил два новых патента на распознавание дипфейков, помогающих мошенникам обходить распознавание лиц. Отдельно стоят антифрод-системы для оценки биржевых процессов: в банках часто происходят утечки внутренней информации, на которой можно неплохо заработать на бирже. Боты-аналитики разновидности TAFS Trading Anti-Fraud Surveillance, антифрод-системы для трейдерских операций отслеживают такие случаи в ретроспективе, чтобы выявлять инсайдеров.
На ручную проверку заявки с прозвоном номеров у сотрудника уйдет масса времени, за которое можно легко потерять хорошего клиента. ИИ сравнивает данные клиента с другими заемщиками и определяет риск невозврата кредита — и если похожие по параметрам клиенты платят без проблем, то и новый клиент получит одобрение; рассылка предварительных предложений. Многие получали смс с предложением оформить «уже одобренный» кредит. На самом деле часто он еще не одобрен, но так банки завлекают клиентов к себе в отделения, где могут предложить уже другой кредит. Роль ИИ в данном случае — отобрать из всей массы клиентов таких, которые в теории смогут получить кредит хотя полная проверка и не проводится — клиент как минимум должен дать разрешение на запрос в БКИ ; подготовка акций и программ лояльности для целевых групп клиентов. Это похоже на предварительно одобренные кредиты, но преследует иную цель — ИИ вычисляет, какие клиенты близки к тому, чтобы перевести обслуживание в другой банк, и подбирает для них такие спецпредложения, от которых этот клиент точно не откажется; виртуальные помощники. Пока эта часть деятельности ИИ вызывает больше критики — достучаться до живого сотрудника службы поддержки бывает вообще невозможно. Но так банки экономят на колл-центрах, обслуживающих первую линию поддержки. Искусственный интеллект пытается разобрать, что говорит или пишет в чате клиент и готовит ответы, максимально приближенные к реальности. Полностью отказаться от служб поддержки банк не может — чуть более сложные вопросы приходится решать уже обычным сотрудникам. А еще банки могут привлекать роботов с ИИ к работе с проблемными клиентами. Например, если клиент просрочил платеж по кредиту, ему сначала позвонит или напишет робот, который вежливо напомнит о том, что у клиента еще есть обязательства перед банком. Практика показывает, что большая часть просрочек — это когда клиент случайно забыл о дате платежа. Раньше обзвоном занимались сотрудники отделов «софт-коллекторов», но им нужно было платить зарплату. Робот делает это бесплатно. Кроме того, не так давно ИИ начал бороться с мошенниками. Помимо отслеживания сомнительных операций например, когда мошенники воруют деньги с чужих карт , любой клиент Сбербанка может фильтровать входящие вызовы на телефон с помощью приложения, которое автоматически определяет мошенников. Заменит ли ИИ персонал банков через 10 лет? Основная цель внедрения искусственного интеллекта в банках — это замена им обычных, живых сотрудников. В банковском секторе достаточно высокие зарплаты в среднем около 100 тысяч рублей , поэтому замена даже одного человека на робота даст банку миллионную экономию в течение года. Также за счет ИИ банки повышают качество обслуживания клиентов и ускоряют это обслуживание — например, пока один банк будет проверять заявку на кредит вручную, другой вынесет решение за пару секунд и клиент не будет дожидаться ответа из первого банка. Но получится ли вообще заменить людей на рутинных процессах в банках на роботов с ИИ? Как говорит Дарья Кучина из «ЦФТ Базис», «одна правильно настроенная нейронная сеть успешно заменит целый департамент специалистов, выполняющих рутинные задачи».
Искусственный интеллект и BNPL-сервисы: проанализировали тренды финтеха 2023 года
Россельхозбанк разработал прототип ИИ-платформы RAISA на базе open source. Она объединит отдельные ИИ-решения, уже применяемые в банке для аналитики внутренних процессов и работы его отделений. Как банки на самом деле используют такие хайповые инструменты как ИИ и большие данные, рассказал старший вице-президент банка УРАЛСИБ, руководитель департамента больших данных и искусственного интеллекта Юрий Сирота. По прогнозам экспертов, мировой рынок ИИ-решений в 2023-2030 годах вырастет с $196,6 млрд до $1,8 трлн. Он будет стремительно расти, в среднем, на 37% ежегодно.
Не только для чат-ботов: банки нашли применение искусственному интеллекту
| Как мобильный банкинг с поддержкой искусственного интеллекта улучшает финансовую сферу | Ключевые технологии ИИ в банковской сфере с примерами его использования. Вот несколько ключевых технологий искусственного интеллекта в банковской отрасли с примерами их практического использования. |
| Искусственный интеллект на финансовом рынке: регулирование и развитие — | Масштаб явления, меняющего банковское дело на наших глазах, можно понять по оценкам ведущих экспертов. По расчетам McKinsey&Co, искусственный интеллект может принести банкам по всему миру $1 трлн дополнительной капитализации ежегодно. |
| Как мобильный банкинг с поддержкой искусственного интеллекта улучшает финансовую сферу | – Кроме того, банки применяют системы ИИ в организации различных операций, в сфере управления рисками, особенно теми, что связаны с инсайдерами, в инвестировании средств в ценные бумаги. |
| Применение искусственного интеллекта на финансовом рынке: доклад Банка России | Банк России | В статье рассматривается роль искусственного интеллекта в банковской сфере и возможность его применения в различных аспектах деятельности банка. |
Не только для чат-ботов: банки нашли применение искусственному интеллекту
Практика использования искусственного интеллекта (ИИ) в финансовых организациях России, в целом, следует мировым трендам. Ряд технологий уже используется в банковском бизнесе, а интенсивное развитие новых интеллектуальных систем ожидается в ближайшей перспективе. artificial intelligence) на финансовом рынке РФ, выделил два новых законодательных направления: ответственность за вред, причиненный в результате. Генеративный ИИ, примером которого является ChatGPT, может произвести революцию в банковской отрасли, предоставляя экономически эффективный анализ данных и производительность, сравнимую с аналитиками-людьми. Финансовый рынок — не исключение. По различным прогнозам, к началу следующего десятилетия искусственный интеллект может сократить операционные расходы банков на 22%, что в материальном эквиваленте составит без малого $1 трлн. что страны могут делать акценты на различных инструментах регулирования в отношении ИИ, а подходы к регулированию ИИ варьируются в различных юрисдикциях. При этом речь в основном идет о подходах к ИИ в целом, а не отдельно – на финансовом рынке. ИИ в банках хорош тем, что анализируют собранные показатели оперативнее человека. Чем быстрее рассмотрены факторы риска, тем скорее компания получит информацию о потенциальной угрозе, а значит, и время для поиска выхода из ситуации.